Understanding post-treatment self-management learning needs of young adults diagnosed with hematological cancer: a qualitative study
Notice bibliographique
Résumé
PURPOSE: To better support and promote an active role in survivorship, the purpose of this study was to identify and understand the perspective of young adults diagnosed with a hematological cancer in regard to their post-treatment self-management learning needs. METHOD: An interpretative-descriptive study was conducted. Semi-structured individual interviews were carried out with eight young adults (ages 18 to 29 at the end of active treatment), diagnosed with a leukemia or lymphoma, who have not received active treatment for at least one year. Iterative content analysis of interview data was performed. RESULTS: According to participants, it is when young adults experience transitions or feel alone in dealing with post-treatment challenges that they can identify a learning need. Protective factors and precipitating factors related to young adults, their entourage and their care providers (e.g., young adult characteristics, level of support, quality of patient education) can contribute to shape their view of self-management learning needs. For young adults, an underlying motivation guides the identification of attitudes (autonomy, responsibility, acceptance), knowledge (physical and psychosocial challenges, rights to accommodation for disability) or skills (self-assessment, action-planning, self-advocacy) to be gained. CONCLUSIONS: This study supports that young adults need more than information to feel confident in their ability to self-manage post-treatment challenges. Learning to self-manage is therefore a process of personal transformation, fueled by internal motivation, that also benefits from external support through collaboration between young adults, their entourage, and their care providers including oncology nurses.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».